Распространение лесных пожаров в Калифорнии получено с использованием спутниковых наблюдений VIIRS и объекта

Новости

ДомДом / Новости / Распространение лесных пожаров в Калифорнии получено с использованием спутниковых наблюдений VIIRS и объекта

Jul 01, 2023

Распространение лесных пожаров в Калифорнии получено с использованием спутниковых наблюдений VIIRS и объекта

Том научных данных 9, номер статьи: 249 (2022 г.) Цитировать эту статью 4044 Доступов 6 Цитирований 219 Подробности об альтернативных метриках Изменение режимов лесных пожаров на западе США и в других пожароопасных регионах

Научные данные, том 9, Номер статьи: 249 (2022) Цитировать эту статью

4044 Доступа

6 цитат

219 Альтметрика

Подробности о метриках

Изменение режима лесных пожаров на западе США и в других пожароопасных регионах представляет собой значительный риск для здоровья человека и функционирования экосистем. Однако наше понимание поведения лесных пожаров по-прежнему ограничено отсутствием данных, позволяющих систематически количественно оценивать распространение, поведение и последствия пожаров. Здесь мы разрабатываем новую объектную систему для отслеживания развития отдельных пожаров с использованием комплекта радиометров видимого инфракрасного изображения на расстоянии 375 м для активного обнаружения пожара. На каждом полудневном временном шаге пиксели пожара группируются в соответствии с их пространственной близостью и либо добавляются к существующему активному объекту пожара, либо назначаются новому объекту. Эта автоматическая система позволяет нам обновлять атрибуты каждого пожара, очерчивать периметр пожара и идентифицировать активный фронт пожара вскоре после получения спутниковых данных. Используя эту систему, мы составили карту истории пожаров в Калифорнии в 2012–2020 годах. Наш подход и поток данных могут быть полезны для калибровки и оценки моделей распространения пожара, оценки выбросов лесных пожаров в режиме, близком к реальному времени, а также в качестве средства для определения начальных условий в моделях прогнозирования пожаров.

Измерение(я)

Периметры и атрибуты лесных пожаров раз в полдня

Тип(ы) технологии

Дистанционное зондирование

Характеристика образца – Организм

Лесные пожары

Пример характеристики — окружающая среда

Экосистемы

Пример характеристики – Местоположение

Калифорния

Пожар – это неотъемлемый процесс внутри системы Земли, влияющий на структуру экосистемы и состав атмосферы1. Потепление климата, землепользование и демографические тенденции изменили роль пожаров в последние десятилетия2, что привело к новым экстремальным проявлениям поведения пожаров, которые привели к беспрецедентным экологическим, социальным и климатическим последствиям3,4. На распределение размеров пожаров и ежедневные изменения в поведении пожара и скорости его распространения влияют взаимодействия между многочисленными погодными и экосистемными процессами, и для современных моделей по-прежнему остается проблемой правильное представление этих сложных физических и экологических процессов5. Новые наблюдения необходимы для характеристики режимов пожаров (например, частоты, интенсивности и тяжести) в различные периоды и регионы, оценки воздействия пожаров на качество воздуха, климата и экосистемы, а также прогнозирования возникновения и распространения пожаров. Хотя модели распространения пожара, либо с помощью алгоритмов, основанных на физике6,7, либо эмпирических формулировок8,9,10, широко используются для прогнозирования поведения отдельных пожаров и региональных ансамблей, оценка их эффективности часто ограничивается отсутствием высококачественных данных. наблюдения11.

Данные о периметре и площади пожара исторически были получены на основе полевых и авиационных наблюдений. С конца 1970-х годов спутниковые инструменты дистанционного зондирования, в частности Landsat, стали альтернативным и надежным источником данных для картирования площади пожаров и их интенсивности12. Во многих ранних приложениях наборов спутниковых данных об обнаружении пожара часто сообщалось как о серии независимых событий на уровне пикселей в пространственной сетке, при этом часто игнорировались пространственные и временные связи между ними. Недавние исследования использовали идеи объектно-ориентированной классификации и контекстного роста для отслеживания свойств отдельных пожаров с использованием данных о пожарах на уровне пикселей13,14,15,16,17,18,19 (таблица 1). Путем группировки пикселей пожара, обнаруженных поблизости во времени и пространстве, этот тип подхода максимизирует выгоду от регулярных спутниковых наблюдений за пожарами. Наиболее широко используемые данные в этих исследованиях — это данные о площади ожогов, получаемые с помощью инфракрасных датчиков среднего разрешения (например, спектрорадиометра среднего разрешения, MODIS). Однако эти продукты часто не подходят для быстрой оценки пожарных событий. Это связано с тем, что в алгоритме обнаружения изменений, используемом для оценки площади пожара, необходим длительный интервал наблюдений отражательной способности поверхности после пожара. Альтернативно, тепловая аномалия и мощность излучения, обнаруженные спутниками, предоставляют мгновенную информацию о местонахождении и энерговыделении активных пожаров20, что позволяет обнаруживать небольшие пожары и определять контуры пожарных событий в режиме, близком к реальному времени16,21,22. Однако пространственно-временной охват активных обнаружений пожаров является неполным из-за распространения пожара (а иногда и его тушения) в промежутках между последовательными пролетами спутников, а также из-за маскировки поверхности земли облаками и огненными аэрозолями23.

 4 km2) in California during 2018, fire perimeters were estimated using VIIRS active fires and different alpha parameters. By comparing (a) the burned area (BA) and (b) the number of fire objects with the FRAP data, an optimal alpha parameter of 1 km was identified for use in this study (shown in red). The vertical bars and lines show the mean and 1-std variability from all fires. The dashed blue lines indicate the ideal values when compared to FRAP. Panels (c)–(h) show the fire perimeters derived using different alpha shape parameters for two sample fires in 2018. The shapes with pink color are final FEDS fire perimeters derived from VIIRS active fires using the alpha shape algorithm. The blue shapes represent the corresponding fire perimeters from the FRAP dataset. Overlap between FRAP and FEDS is shown in purple./p> 20 per km2), it is considered to be a static fire and subsequently labelled as invalid./p> 4 km2) occurring in California during 2018. Purple areas in inset figures show regions of agreement for the two example wildfires. FEDS fire perimeter generally agrees well with FRAP, but sometimes underestimates the burned area for fast moving grassland fires, such as the Waverly Fire./p>